本文详解 pandas 中 `isin()` 与等值、类型匹配等组合条件的正确用法，重点解决因数据类型不一致（如年份误用字符串 `'2025'` 匹配整数 `2025`）导致筛选结果为空的常见问题。
在使用 Pandas 进行数据筛选时，isin() 是高效判断列值是否属于指定集合的常用方法。但当它与其它条件（如年份等于 2025）组合使用时，数据类型不匹配是最隐蔽也最常导致“返回空 DataFrame”的原因。
例如，以下代码看似合理，却可能返回零条记录：
df.loc[(df['Item Code'].isin(['04901', '04940'])) & (df['Year'] == '2025')]
问题根源在于：若 df['Year'] 列的实际数据类型为 int64（即数值型年份），而你用字符串 '2025' 去比较，Pandas 会执行严格类型匹配——2025 == '2025' 恒为 False，整个布尔索引全为 False，最终返回空结果。
✅ 正确做法是确保比较值的数据类型与列一致：
-
若 Year 列为整数（推荐且常见）：
df[(df['Item Code'].isin(['04901', '04940'])) & (df['Year'] == 2025)]
-
更简洁、可读性更强的写法（推荐使用 .eq() 避免括号歧义）：
df[df['Item Code'].isin(['04901', '04940']) & df['Year'].eq(2025)]
⚠️ 注意事项：
- 永远先检查数据类型：使用 df['Year'].dtype 确认列类型，必要时用 df['Year'] = df['Year'].astype(int) 统一；
- & 是位运算符，必须用圆括号包裹每个条件（& 优先级高于 == 和 isin()），否则会报 ValueError: The truth value of a Series is ambiguous；
- 避免混用 loc 和纯布尔索引：除非需同时选行列，否则直接 df[condition] 更简洁高效；
- 若 Item Code 本身是数值型（如 int），则 isin([4901, 4940]) 才匹配，注意字符串与
数字的双重一致性。
数字的双重一致性。总结：Pandas 筛选失效，80% 源于类型不匹配。养成 print(df['Year'].dtype) 和 print(df['Year'].head()) 的调试习惯，能快速定位并修复此类问题。
